文献

J-GLOBAL ID：201702235793030378   整理番号：17A1098934

質量分光分析検出データとデータ指紋回復に基づく前立腺癌認識【Powered by NICT】

Prostate cancer recognition based on mass spectrometry sensing data and data fingerprint recovery

著者 (3件)： Awedat Khalfalla (Computer Science, Pacific Luthran University, Tacoma, WA, USA) ,  Abdel-Qader Ikhlas (Electrical and Computer Engineering, Western Michigan University, Kalamazoo, MI, USA) ,  Springstead James R. (Chemical and Paper Engineering, Western Michigan University, Kalamazoo, MI, USA)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 33  ページ： 392-399  発行年： 2017年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高次元と質量分析(MS)データの雑音の多いスペクトルは高精度認識を達成するための主要な課題の二つである。本研究の目的は,圧縮センシング(CS)を用いて授業内容の正確な予測を生成した。CSのみでなくMSデータ次元を有意に低減させるが,元のデータの完全な再構成を可能にする。圧縮センシングフレームワークの中での分類器として正規化項によるL1及びL2ノルムの重み付き混合を提案した。OSR,PPV,NPV,Senと仕様などの性能指標を用いて,正則化項を持つL2アルゴリズムは,すべての適用可能な仮定の下でL1アルゴリズム及びQ5より優れていることを示した。もL1ノルムのそれより良い性能結果を示したMSデータフィンガープリントを再構築するためのブロック・スパースBayes学習(演算回路)を使用することを目的とした。これらの技術を成功裏に前立腺特異抗原(PSA)蛋白質を追跡することにより前立腺癌の患者リスクを決定するためにMSデータに適用し,この解析はL1最小化のような現在使用されているアルゴリズムと比較した場合,良好な性能をもたらした。この提案された研究は,患者および将来個別化医療用途に於いて病害のリスクを評価するためのMSデータ整理に特に有用であろう。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高次元 ,  正則化 ,  *質量分析 ,  正規化 ,  雑音 ,  患者 ,  アルゴリズム ,  データ圧縮 ,  再構成 ,  *前立腺腫瘍
準シソーラス用語： Bayes学習 ,  L1ノルム ,  L2ノルム ,  圧縮センシング ,  高精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 圧縮センシング ,  質量分析 ,  BSBL ,  MS分類 ,  混乱行列

分類 (2件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 質量分光分析 ,  検出データ ,  指紋 ,  回復 ,  前立腺癌